声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：37-1391/T
国际刊号：1672-3961
发布日期:
作者：李家春,李博文,常建波
单位：华南理工大学计算机科学与工程学院，广东 广州 510006
关键词：深度学习,人脸反欺诈,自注意力机制,像素级监督,轻量级模型,
基金：教育部产学合作协同育人资助项目(201902186007);教育部产学合作协同育人资助项目(201901034001)
针对在仅具有三原色(red-green-blue，RGB)摄像头的通用消费设备上部署基于深度学习的人脸反欺诈(face anti-spoofing，FAS) 算法时存在的挑战问题，提出一种高效且轻量的RGB单帧FAS(efficient and lightweight RGB frame-level face anti-spoofing，EL-FAS)模型。探索一种新的全局空间自注意力机制捕获全局上下文信息的依赖关系，以提高模型泛化能力并在受限条件下实现高检测性能；设计一种等通道像素级二元监督方法，强制模型从不同的像素中学习共享特征；采用Bottleneck模块搭建骨干网络以减少模型参数。试验结果表明，EL-FAS模型在OULU-NPU数据集的大多数协议上平均分类错误率RACE最低，取得较好的人脸欺诈检测效果，在SiW数据集和跨数据集测试中也取得较好的性能，并且模型轻量，参数只有1.34×106个。
来源：2023年第6期
《山东大学学报(工学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。